如何强制 avro writer 在 spark scala 数据帧中以 UTC 格式写入时间戳

Question

我需要将时间戳字段写入 avro 并确保数据以 UTC 格式保存。目前 avro 将其转换为服务器本地时区中的长（时间戳 millis），这会导致问题，就好像读取 bk 的服务器是不同的时区一样。我查看了 DataFrameWriter，它似乎提到了一个名为 timeZone 的选项，但似乎 help.Is 没有办法强制 Avro 考虑在特定时区收到的所有时间戳字段？

**CODE SNIPPET** 
--write to spark avro

val data = Seq(Row("1",java.sql.Timestamp.valueOf("2020-05-11 15:17:57.188")))
val schemaOrig = List( StructField("rowkey",StringType,true)
,StructField("txn_ts",TimestampType,true))
val sourceDf =  spark.createDataFrame(spark.sparkContext.parallelize(data),StructType(schemaOrig))
sourceDf.write.option("timeZone","UTC").avro("/test4")

--now try to read back from avro
spark.read.avro("/test4").show(false)
avroDf.show(false)

original value in soure 2020-05-11 15:17:57.188
in avro  1589224677188
read bk from avro wt out format 
+-------------+-------------+
|rowkey       |txn_ts       |
+-------------+-------------+
|1            |1589224677188|
+-------------+-------------+

This is mapping fine but issue is if the local time of the server writing is EST and the one reading back is GMT it would give problem . 

println(new java.sql.Timestamp(1589224677188L))
2020-05-11 7:17:57.188   -- time in GMT

Answer 1

.option("timeZone","UTC") 选项不会将时间戳转换为 UTC 时区。

设置此 spark.conf.set("spark.sql.session.timeZone", "UTC") 配置属性以将 UTC 设置为所有时间戳的默认时区。

如果未设置，spark.sql.session.timeZone 属性的默认值为 JVM 系统本地时区。

Incase 如果由于较低版本的 spark 而导致上述选项不起作用，请尝试使用以下选项。

--conf "spark.driver.extraJavaOptions=-Duser.timezone=UTC" --conf "spark.executor.extraJavaOptions=-Duser.timezone=UTC"

如何强制 avro writer 在 spark scala 数据帧中以 UTC 格式写入时间戳

how to force avro writer to write timestamp in UTC in spark scala dataframe

apache-spark

apache-spark-sql

avro

spark-avro